Q:AI技术正在改变世界，人工智能系下设物联网工程、智能科学与技术、软件工程专业，从工程师的视角您如何看待这些专业在实际应用的价值？

冯佩：结合西安科技大学高新学院人工智能系的专业设置及应用型院校的培养定位，从工程师视角来看，这些专业的核心价值并非追求尖端前沿的算法理论突破，而是精准锚定产业一线的实际技术需求，致力于培养能够快速攻克工程难题、无缝融入技术研发团队的实战型技术人才。其价值集中体现在岗位适配性、项目落地效率、团队协作成本三大核心维度。

企业对AI人才的需求，并非都指向大模型研发这类高精尖领域，更多岗位需要的是能将成熟算法转化为行业解决方案的应用型工程师。而我院人工智能专业的应用型培养方向，正是瞄准这一需求，培养学生将算法模型与制造、文旅、教育等具体场景结合的能力，核心解决“算法如何用”的工程问题。

数据是AI技术的核心驱动力，而物联网则是AI获取物理世界真实、有效数据的“唯一通道”。人工智能系下设的专业培养的人才，能够搭建稳定可靠的感知层硬件架构、打通从终端设备到数据平台的传输链路，是AI项目落地的“地基搭建者”，其价值直接体现在感知层设备的可靠性与数据传输链路的通畅性上。

再优秀的AI模型，如果没有可靠的软件系统承载，终究只能停留在实验室阶段。软件工程专业的人才，擅长将AI算法封装为稳定、可复用的软件模块，搭建具备高并发、高可用特性的AI应用平台，是AI项目“从原型到产品”的“桥梁搭建者”，核心价值在于强大的工程化落地能力。

西安科技大学高新学院人工智能系的专业布局，在工程师视角下是“AI产业实践者的培养阵地”。专业价值的高低，不取决于学生掌握多少前沿理论，而在于能多大程度上降低企业工程落地成本、提升技术团队协作效率、精准适配产业真实需求。这种以工程问题为导向、以产业需求为目标的培养模式，恰好填补了当前AI产业“前沿算法多、落地人才少”的结构性缺口，成为连接AI技术与实体经济的“关键纽带”。

Q:科技与工程学院的人工智能系的专业培养模式有何特色，这些模式是如何设计和实施的？

冯佩：人工智能系立足应用型人才培养定位，打造了四大特色鲜明、协同联动的专业培养模式，具体设计与实施路径如下：

1.产教深度融合，精准对接行业标准。主动引入华为、DeepSeek等头部科技企业的技术专家与行业骨干，深度参与专业课程体系设计、核心教材编写与实践项目开发。将企业现行的技术标准、真实的项目案例、前沿的岗位需求融入日常教学，让学生在校期间就能接触到产业一线的技术与流程，实现“毕业即上岗”的无缝衔接。

2.打造双师型师资，夯实教学核心力量。构建“校内教师转型+企业专家引进”的双轨师资建设机制。一方面，推动校内专任教师深入企业挂职锻炼，参与真实项目研发，提升工程实践能力；另一方面，高薪聘请企业资深工程师、技术总监担任兼职教师，开设实践课程、指导学生项目。双师型师资团队的搭建，确保了教学内容与岗位需求的精准匹配。

3.项目驱动教学，构建四级递进实践体系。创新实施“课堂实践—实验室—实训基地—产业学院”四级实践教学递进模式。以课堂小项目夯实理论基础，依托校内实验室开展算法验证与系统开发，联合实训基地完成模拟岗位实训，最终通过产业学院承接企业真实项目进行实战淬炼，层层递进提升学生的工程实践能力。

4.拓展国际视野，提升全球胜任力。围绕“管理国际化、专业国际化、培养国际化”三大路径，全面提升学生的全球技术视野与跨文化协作能力。引入国际先进的应用型人才培养标准，开设双语专业课程，组织学生参与国际学术交流、海外短期实训等项目，助力学生成长为具备全球竞争力的技术人才。

（图一）冯佩老师在授课

（图二）冯佩老师主持的校级科研项目

Q:您的课程深受学生喜爱且多次获奖，其中省级一流课程《C语言程序设计》是人工智能系多专业的核心课程。您如何用工程师思维设计这门课的教学内容，助力专业发展？

冯佩：《C语言程序设计》作为人工智能系多专业的核心基础课，我在教学设计中全程贯穿工程师思维，核心是跳出“教语法、背知识点”的传统模式，聚焦“教学生‘做什么’‘怎么做’‘怎么做好’”，最终培养学生解决工程实际问题的能力。

在AI赋能的新时代背景下，这门课严格遵循OBE（成果导向教育）反向设计原则：首先，我会紧扣人工智能、物联网工程等专业的人才培养目标与岗位能力要求，明确课程的核心教学目标，并将其拆解为可量化的知识目标与能力目标。比如，知识目标聚焦掌握C语言的指针、结构体、文件操作等核心语法，能力目标则强调能用C语言实现算法移植、硬件驱动开发、数据链路搭建等工程化任务。我摒弃了传统的理论灌输模式，将C语言的核心知识点融入“AI算法轻量化移植”“物联网传感器数据采集”“嵌入式设备驱动开发”等真实项目中。例如，在讲解“指针与内存管理”时，结合“AI图像识别算法的C语言优化”案例；在讲解“文件操作”时，引入“物联网感知数据的本地存储与预处理”任务，让学生在解决实际问题中掌握语法、理解原理。课程构建了动态多元的评价体系，依托AIGC技术辅助教学评价：通过自动化代码检测工具实时反馈代码质量，结合项目成果答辩、岗位模拟考核等方式，全面评估学生的知识掌握程度与实践应用能力。同时，我会根据评价结果持续迭代课程内容与教学方法，形成“目标—实施—评价—优化”的闭环机制。课程整体构建了“项目/案例驱动”的教学模式，以教学目标为核心，明确知识目标与能力目标的双重要求。在教学实施中，构建“教师引导、AI辅助、学生主体”的“师—生—机”协同互动关系，让学生以主动学习为核心，一方面通过自主探究与内容获取达成知识目标，另一方面借助项目实践中的深度交互与协作攻关达成能力目标。这种“问题导向、实践为主、专业适配”的设计思路，不仅让学生扎实掌握C语言的核心技术，更培养了其工程师思维与工程实践能力，为人工智能系各专业后续学习AI算法、物联网开发、嵌入式系统等课程筑牢了底层基础，有效助力专业建设高质量发展。 

Q:您主持的陕西省教育厅项目《睡眠诱导仪研究》，如何为人工智能系的专业建设“增量优化”？

冯佩：我主持的陕西省教育厅项目《睡眠诱导仪研究》，以“AI+物联网+医疗健康”的多学科交叉为核心，打破了单一专业的壁垒，为人工智能系的专业建设注入了强劲的跨域发展动能，实现了三大“增量优化”：一是构建多学科交叉协同链。项目整合了人工智能专业的算法建模能力、物联网工程专业的硬件感知能力、软件工程专业的系统开发能力，形成了“算法设计—硬件开发—软件集成—临床测试”的完整技术链条，为各专业搭建了跨学科协作的实践平台。二是推动课程内容跨域更新。将项目研发过程中积累的技术经验与成果，转化为教学资源，融入核心课程，补充了“AI医疗”“智能穿戴设备”等前沿教学模块，让课程内容与产业前沿技术同频共振。三是升级实践教学载体。以该项目为依托，开发了面向本科生、专科生的分层级实践项目，搭建了“睡眠诱导仪原型开发”实训平台，让学生在真实的科研项目中锤炼工程实践能力与交叉创新能力，进一步夯实了人工智能系应用型人才的培养基础。

（图三）陕西省教育厅项目《睡眠诱导仪研究》

Q:学科竞赛是学生实践能力的重要“测试场”，人工智能系的学生在各类学科竞赛中的整体表现如何？

冯佩：学科竞赛不仅是学生展示专业能力的舞台，更是检验其综合素养、推动理论与实践深度融合的重要平台。近三年来，西安科技大学高新学院人工智能系的学生，在蓝桥杯全国软件和信息技术专业人才大赛、“互联网+”大学生创新创业大赛、“挑战杯”大学生课外学术科技作品竞赛、全国大学生计算机设计大赛等高含金量赛事中表现亮眼，累计斩获省级奖项40余项、国家级奖项4项，整体成绩呈稳步上升态势。

这些优异成果的取得，得益于系里长期坚持的“以赛促学、以赛促教、以赛促创”的人才培养理念，以及完善的竞赛支持体系：建设了人工智能开放实验室和竞赛专项训练实训区，配备高性能计算服务器、物联网硬件开发套件、AI模型训练平台等软硬件资源，为学生的算法训练、编程实践和项目设计提供了充足的保障。组建了由专业骨干教师组成的竞赛导师组，根据学生的兴趣特长与能力水平，实行分方向、个性化培养，建立“早识别、早训练、早参赛”的培养机制，全程指导学生备赛。将学科竞赛与学生科研训练、创新创业项目深度绑定，构建“项目孵化—竞赛打磨—成果转化”的完整链条。学生在备赛过程中打磨项目，在竞赛中检验成果，部分优秀项目还实现了技术转化与市场应用，形成了“以赛促创、以创助赛”的良性循环。

未来，人工智能系将继续拓展人工智能、智能控制、数据分析、机器人等领域的赛事布局，完善“低年级基础培养、中年级专项训练、高年级冲刺攻坚”的竞赛梯队体系，帮助更多学生在挑战中激发创新潜能、在实践中明确发展方向，成长为兼具创新意识与工程能力的新一代AI技术人才。